Schwerpunkt Linguistic Data Science

NUMMER:	2aj
KÜRZEL:	schwLingDatSc
MODULBEAUFTRAGTE:R:	Prof. Dr. Ralf Klabunde
DOZENT:IN:	Dr. Claudia Roch
FAKULTÄT:	Fakultät für Informatik
SPRACHE:	Deutsch
SWS:	2
CREDITS:	5
ANGEBOTEN IM:	jedes Semester

VERANSTALTUNGSART

1 Advanced Course/Seminar

LERNFORM

Das Modul besteht aus einem Seminar, in denen unterschiedliche Lernformen angewendet
werden, wie beispielsweise
∙ Vortrag der Lehrenden im Plenum
∙ Gastvorträge
∙ Vortrag der Studierenden im Plenum
∙ Diskussionen im Plenum
∙ Arbeitsgruppen
∙ Arbeitsaufgaben
∙ Selbststudium

LERNZIELE

∙ Die Studierenden sind in der Lage, kleinere Problemstellungen der Linguistic Data Science im jeweiligen Schwerpunktbereich angemessen zu formulieren.
∙ Sie kennen verschiedene Ansätze zur Problemlösung im jeweiligen Schwerpunktbereich und können einige davon kritisch auf Fragestellungen und Probleme anwenden.
∙ Sie verstehen, dass es in vielen Bereichen keine einzig richtige Antwort gibt, und können sich mit anderen konstruktiv über Lösungsansätze austauschen und Vor- und Nachteile von unterschiedlichen Perspektiven abwägen.
∙ Die Studierenden kennen weiterführende computerlinguistische Methoden, Modelle und Theorien und können sie kritisch auf Fragestellungen und Probleme anwenden.
∙ Sie kennen verschiedene Verfahren zur Datenerhebung und können selbst kleine Datenmengen erheben.
∙ Sie sind im Umgang mit den zur Datenverarbeitung verwendeten Programmiersprachen
und -umgebungen vertraut und können mit weiterführenden Anleitungen oder Dokumentationen umgehen.
∙ Sie können Daten (im Sinne der Data Literacy), Studien und Auswertungen verstehen und kritisch hinterfragen.
∙ Sie können den Einfluss gewählter Verfahren und Modelle auf die gesammelten Daten nachvollziehen, sind sich unvermeidbarer Bias bewusst und können Entscheidungen und Abwägungen zum Einsatz von Modellen treffen (Data Responsibility).

INHALT

Schwerpunkt Linguistic Data Science:
In Seminaren des Schwerpunkts Linguistic Data Science lernen die Studierenden Fragestellungen, Theorien und Methoden aus den Bereichen Linguistic Data Science, Modelling und Experimental Linguistics kennen. In einzelnen Seminaren beschäftigen sie sich auch mit spezifischen Tools, Frameworks oder Anwendungsbereichen.
Ein besonderes Augenmerk soll dabei auf den Konsequenzen von perspektivischem oder technischem Bias und der Verantwortung von Data Scientists im Umgang mit teilweise sensiblen
Daten liegen.

VORAUSSETZUNGEN CREDITS

Erfolgreicher Abschluss der Modulprüfung (7,0 bzw. 9 CP CP) sowie bestandene Studienleistung
(3,0 CP) im Seminar.

EMPFOHLENE VORKENNTNISSE

Keine

AKTUELLE INFORMATIONEN

Verwendung des Moduls (in anderen Studiengängen):
trifft nicht zu
Stellenwert der Note für die Endnote: 5 / 105
(Im Studiengang werden Module im Umfang von 105 CP benotet und 15 CP nicht benotet)

SONSTIGE INFORMATIONEN

Die Kenntnisse der Grundkurse Introduction to CL (with Python) und Introduction to Linguistic Models (with R) können vorausgesetzt werden. In den Seminaren im Sommersemester
können zusätzlich Kenntnisse aus den Grundkursen Introduction to Linguistic Data Science (with R) und Introduction to Computational Linguistics vorausgesetzt werden. Die zu erbringende Studienleistung für ein Seminar, die mögliche Prüfungsleistung in diesem Seminar und
dieSchwerpunktzuordnung der Veranstaltung werden im Vorlesungsverzeichnis angegeben.
Dozierende können für die Seminare die aktive Teilnahme durch Teilnahme an Diskussions oder Reflektionsrunden in den Sitzungen verpflichtend machen. Ergibt sich dadurch eine Anwesenheitspflicht zu Veranstaltungsterminen, muss dies im Vorlesungsverzeichnis zur Veranstaltung angemerkt werden.
Ab SS 23